Measuring intellectual humility through situated behavior: An alternative to dispositional self-reports
Notice bibliographique
Résumé
Traditional measurement approaches assume that metacognitive features like perspective-taking, open-mindedness, or intellectual humility manifest as stable dispositions. Focusing on intellectual humility (IH)—recognizing the limits of one’s knowledge and fallibility—we proposed an alternative situated approach, testing it across diverse populations: English- and Spanish-speaking North Americans (N=633) and adults from 136 rural Honduran villages (N=2,567). Participants recalled three recent disagreements from their lives–one freely chosen, one where they were wrong, one where they were right—and reported specific epistemic behaviors (e.g., careful listening, considering others’ views) through binary-chained probes to avoid numeric rating scales. This method revealed coherence of the IH construct across cultures, while varying substantially across situations. Most variance (74-81%) occurred within (vs. between) people across situations: heightened when recalling being wrong versus right and, in Honduras, when disagreeing with higher-status partners. Situational effects also fully explained gender differences in the Honduran sample. The situated approach showed efficiency outside Western and educated contexts and helps overcome the humility paradox—when least intellectually humble overclaim their humility while more humble individuals underestimate it. We discuss how the methodological principles we apply here—focus on behavioral expression of target characteristics in specific situations (vs. self-reports of one’s abstract tendencies), sampling from actual experiences (vs. hypothetical scenarios), decomposing numerical scales into binary-chain prompts to increase accessibility across diverse populations, and explicitly modelling intra-individual variability—offers a framework for assessing other metacognitive and self-regulatory constructs across diverse populations, beyond abstract dispositional self-views dominating psychological literature.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».